ElevenLabs STT
Free.ai
·
stt
·
~500 Ցուցադրել minute
ElevenLabs STT is a ձայնից-տեքստի մոդել Ֆրանսիայի ազգային ակադեմիա 1999 թվականից Ֆրանսիայի ազգային հավաքականի կազմում հանդես է գալիս Ֆրանսիայի հավաքականի կազմում։ Ֆրանսիայի հավաքականի կազմում հանդես է գալիս 1999 թվականից։ Ֆրանսիայի հավաքականի կազմում հանդես է գալիս 2000 թվականից։
Օգտագործել API- ի միջոցով
OpenAI-compatible REST API. Generate a key and call this model in seconds.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/elevenlabs/speech-to-text","audio_url":"https://..."}'Հաճախակի տրվող հարցեր
ElevenLabs STT-ը ձայնային հաղորդագրությունները փոխակերպում է տեքստի։ Փոխադրեք MP3, WAV, M4A կամ վիդեո ֆայլ և ElevenLabs STT-ը կվերադարձնի ամբողջական փոխակերպումը և SRT/VTT ենթատեքստերը ժամանակային նշումներով։
ElevenLabs STT-ը բաշխված է տասնյակ լեզուների վրա — Whisper-ի ընտանիքի մոդելները ներառում են 90+, Parakeet-ը ներառում է ~25, մյուսները տարբերվում են։ Ամենաբարձր ճշգրտության համար ընտրեք «auto-detect» կամ նշեք լեզու։
Խոսքի սխալների ցուցանիշը 5-10% է անգլերեն լեզվի դեպքում, 10-20%` աղմկոտ կամ ակցենտավոր լեզվի դեպքում։ Այդ նույն ճարտարապետության մեծ տարբերակները ավելի լավ են աշխատում դժվար օրինակներում, ավելի մեծը ընտրել, երբ լեզուն խիստ է։
Այո, յուրաքանչյուր հատված ներառում է սկզբ/ավարտ ժամանակային նշաններ։ Արտահանել որպես SRT կամ VTT և ժամանակային նշանները ուղղակիորեն նկարել Ձեր տեսանյութում։
ElevenLabs STT-ը բարձրորակ վերծանման սարքն է։ Ավելի քան ~500-1,500 տոկոս ձայնագրության րոպեի համար։ $1 = 750,000 տոկոս։
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — մենք դուրս ենք բերում ձայնը։ Ավելի շատ 500 ՄԲ մեկ բեռնման համար։ Ավելի երկար ֆայլեր? Փոխարինել /audio/cut/-ով կամ օգտագործել /v1/stt/batch/-ը։
1999 թվականից 2002 թվականը նկարահանվել է «Անհիշելի կինը» ֆիլմում։ 2002 թվականից 2004 թվականը նկարահանվել է «Անհիշելի կինը 2» ֆիլմում։ 2004 թվականից 2006 թվականը նկարահանվել է «Անհիշելի կինը 2» ֆիլմում։
Այո — /batch/-ը ընդունում է ձայնային ֆայլերի պանակ։ Յուրաքանչյուր ձայնագրություն տեղադրվում է /account/?tab=history պանակում՝ սկզբնական ֆայլի անունով։ Ծառի պանակի պահպանման համար օգտագործեք API-ն։
Այո — POST ձայնային տվյալները /v1/stt/transcribe/-ին՝ model="ElevenLabs STT"-ով։ Վերադարձնում է JSON-ը տեքստի + հատվածների + բառային մակարդակով ժամանակային նշաններով։ /api/-ը ունի ամբողջական հղում։
Իրենց վրա աշխատող մոդելները պահում են ձայնը մեր GPU-ներում, premium-ը անցնում է DPA-ով։ Ձայնը հեռացվում է կիսում-պատուհանի (24 ժամ անոն, 7 օր մուտքագրում) ավարտին։ Մենք չենք սովորում ձեր մուտքագրումներից։
Այո — Free.ai-ը թույլ է տալիս օգտագործել ձայնագրությունները առևտրային նպատակներով։ Դուք պետք է ունեք ձեր տեղադրած ձայնագրության իրավունքները (ձեր սեփական ձայնագրությունը, լիցենզավորված նյութը կամ համաձայնությամբ ներառված բովանդակությունը)։
Օգտագործեք ընթացիկ ժամանակի գործոնը մոտավորապես 0.05-0.2× — 60 րոպեանոց podcast-ը վերծանում է 3-12 րոպեում։ Premium մոդելները հաճախ ավելի արագ են ավարտվում։ Ձեռքի վրա պահեք ընթացիկ ժամանակի գործոնը, որպեսզի փակեք վահանակը։